CN108074323A - 一种纸币面向的识别方法及其装置 - Google Patents

Abstract

本发明涉及一种纸币面向的识别方法及其装置，该方法包括：获取纸币的投射图像；识别纸币的种类，获取预设配置中与纸币种类相对应的识别策略；根据所述纸币的投射图像和识别策略识别纸币的面向。本发明实施例不依靠神经网络算法，主要基于对于不同纸币，采取不同的识别策略来进行面向识别，因此运算量较少且耗时短，从而提高纸币面向识别的效率。并且本发明实施例算法简单，因此遇到算法出错时易于修正与优化。

Description

一种纸币面向的识别方法及其装置

技术领域

本发明属于纸币识别领域，尤其涉及一种纸币面向的识别方法及其装置。

背景技术

随着经济的发展，纸币流通量也相应越来越大。为了便于整理大量的纸币，纸币面向的自动识别技术因此产生。现在的纸币面向识别技术主要基于神经网络算法，实现了自动识别面向的功能，不需要依赖人力进行分类。然而，该方法耗时长、计算量大而且算法较复杂，因此纸币面向识别的效率较低。

发明内容

本发明实施例的目的在于提供一种纸币面向的识别方法及其装置，旨在解决现有的纸币面向识别技术由于基于神经网络算法，其计算耗时长、运算量大且算法复杂，致使纸币面向识别效率低的问题。

本发明实施例是这样实现的，一种纸币面向的识别方法，所述方法包括：

获取纸币的投射图像；

识别所述纸币的种类，获取预设配置中与所述纸币种类相对应的识别策略；

根据所述纸币的投射图像和所述识别策略识别所述纸币的面向。

另一方面，本发明实施例提供一种纸币面向识别的装置，所述装置包括：

投射图像获取单元，用于获取纸币的投射图像；

识别策略选择单元，用于识别所述纸币的种类，获取预设配置中与所述纸币种类相对应的识别策略；

面向识别单元，用于根据所述纸币的投射图像和所述识别策略识别所述纸币的面向。

实施本发明实施例提供的一种纸币面向的识别方法及其装置具有以下有益效果：

本发明实施例由于预先为不同种类的纸币配置不同的识别策略，然后在识别纸币面向时，通过获取纸币的投射图像；识别所述纸币的种类，并获取预设配置中与所述纸币种类相对应的识别策略；根据所述纸币的投射图像和所述识别策略识别所述纸币的面向，其相对于现有技术中采用依靠神经网络算法进行纸币方向识别的方式运算量少、耗时短并且算法简单，能够提高纸币面向识别的效率。

附图说明

图1是本发明实施例提供的一种纸币面向的识别方法的流程图；

图2是本发明另一实施例提供的一种纸币面向的识别方法的流程图；

图3是本发明另一实施例提供的一种纸币面向的识别方法中根据统计结果确定特征图像在所述纸币的投射图像中的位置的两种情况的示意图；

图4是本发明另一实施例提供的一种伊朗币面向的识别方法的流程图；

图5分别是面值为500的万伊朗币在红外光投射下处于正面正方向、正面反方向、反面正方向以及反面反方向时的投射图像；

图6a-6d分别是面值为500万的伊朗币在红外光投射下处于正面正方向时的投射图像的左上角、右上角、左下角以及右下角提取的待检测区域图像；

图6e-6h分别是面值为500万的伊朗币在红外光投射下处于正面正方向时的投射图像的左上角、右上角、左下角以及右下角提取的待检测区域图像经二值化处理后的图像；

图7是本发明实施例提供的一种纸币面向识别装置的结构框图；

图8是本发明另一实施例提供的一种纸币面向识别装置的结构框图；

图9是本发明另一实施例提供的一种纸币面向识别装置中白色像素点统计单元的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例主要通过对不同纸币种类采取不同的识别策略，基于识别策略实现纸币面向的识别，从而减少纸币面向识别装置的运算量及提高面向识别效率。

在本发明实施例中，流程的执行主体为纸币面向识别装置。所述纸币面向识别装置可单独使用，也可配合其他装置使用或装嵌在其他装置中作为部件使用。图1示出了本发明实施例提供的纸币面向的识别方法的实现流程图，详述如下：

在S101中，获取纸币的投射图像。

在本实施例中，所述投射可为白光投射，则其对应的投射图像为在一般情况下，纸币显现的图像；所述投射还可以通过紫光或红外光进行投射，则其对应的投射图像为在紫光或红外光照射下纸币呈现的图像。

在本实施例中，获取图像的方式可通过外部器件拍摄获取，还可以通过在纸币面向识别装置内设置感光器件直接生成相应的图像。

在S102中，识别所述纸币的种类，获取预设配置中与所述纸币种类相对应的识别策略。

在本实施例中，识别所述纸币的种类，可以通过纸币版本及种类的识别算法进行识别；还可以通过用户在设置于纸币面向识别装置的交互界面上输入纸币的标识码，实现纸币种类的识别。

在本实施例中，纸币面向识别装置的存储器中储存有预设配置的该装置可识别的所有纸币种类对应的识别策略。

可选地，可对预设配置中的识别策略进行删除、增加以及修改等操作。对于旧版的纸币种类，可删除其所对应的识别策略；对于出现新版本的纸币，则在预设配置中增加相应的识别策略，或从已有的识别策略中选择与之匹配的识别策略；对已有识别策略进行优化的，可进行相应的修改操作。

可选地，预设配置可通过连接服务器获取，也可以通过模拟实验进行智能学习获取。所述模拟实验为通过数次纸币面向识别的训练操作，自动总结出对应的识别策略。

在S103中，根据所述纸币的投射图像和所述识别策略识别所述纸币的面向。

在本实施例中，所述识别策略指的是利用该类型纸币，经过投射后显现出的图像中所包含的信息，实现面向识别的相关方法。

可选地，得出纸币的面向结果后，可通过报读或屏幕显示的方式告知用户，以便于用户确认识别是否正确。若不正确，设备将修正所述识别策略，或通过网络向管理预设配置的服务器发送识别错误通知，以便于提高装置的识别正确率。

本发明实施例由于预先为不同种类的纸币配置不同的识别策略，然后在识别纸币面向时，通过获取纸币的投射图像；识别所述纸币的种类，并获取预设配置中与所述纸币种类相对应的识别策略；根据所述纸币的投射图像和所述识别策略识别所述纸币的面向，其相对于现有技术中采用依靠神经网络算法进行纸币方向识别的方式运算量少、耗时短并且算法简单，能够提高纸币面向识别的效率。

图2示出了本发明另一实施例提供的一种纸币面向的识别方法的流程图。参见图2所示，相对于上一实施例，本实施例提供的一种纸币面向的识别方法相对于上一实施例的多个步骤进一步的限定，详述如下：

在S202中，所述识别策略包括纸币处于四种不同面向时特征图像在所述纸币的投射图像中的位置以及面向与位置之间的对应关系。

在本实施例中，四种不同的面向，具体为：正面正方向、正面反方向、反面正方向以及反面反方向。对于现行的纸币，纸币的面向只会是上述四种情况之一，因而，识别的结果必为四种不同面向中的一种。

在本实施例中，特征图像为该类型纸币中能够区别各不同面向的图形、文字或数字。可选地，所述特征图像为纸币的冠字码。由于冠字码是鉴别纸币真伪以及该纸币相关信息的序列号，因此各类型纸币将必然存在至少一个冠字码。因而将冠字码作为特征图像，可应用到现行的所有纸币当中，提高本实施例的泛用性。

在本实施例中，纸币对应的特征图像在投射图像上的相对位置存储于预设配置中，特征图像的数量可为一个或者多个。通过多个特征图像进行面向识别，将有利于提高面向识别的准确率。

举例性地，某种纸币的某一特征图像只存在于纸币面向为正面正方向时的左下角。当纸币识别装置发现特征图像存在于该纸币的右上角，则判断该纸币的面向为正面反方向；当纸币识别装置发现特征图像存在于该纸币的右下角，则判断该纸币的面向为反面正方向；当纸币识别装置发现特征图像存在于该纸币的左上角，则判断该纸币的面向为反面反方向。

在本发明实施例中，通过分析特征图像所在投射图像的相对位置，实现纸币面向识别的功能。现有技术主要通过对纸币的整体图像进行分析，数据处理量大，计算时间较长。而通过选取特征图像进行分析，则有效地提高纸币面向识别的效率。并且，通过设置多个特征图像，则能进一步提高面向识别的准确率，实现方式简单。

在本发明实施例中，对S103所述根据识别策略识别所述纸币的面向进行了进一步的限定，详述如下：

在S203中，根据所述识别策略中纸币处于四种不同面向时特征图像在所述纸币的投射图像中的位置从所述纸币的投射图像中提取出多个待检测的区域图像。

在本实施例中，对于单个特征图像，根据纸币处于不同的面向，该特征图像在投射图像中所处的位置虽不相同，但位置是可枚举的。若纸币投射后显现的是单一投射图，即纸币经过投射后纸币呈现半透明状态，纸币正面与反面图像重叠，显现出的唯一的投射图，则此时，对于该单个特征图像在投射图像中对应的位置为四个；若纸币投射后呈现的是正反两面的投射图，即纸币经过投射后，纸币处于不透明状态，纸币具有正反两面的投射图像，纸币面向识别装置将获取两个投射图像，则此时，对于单个特征图像在两个投射图像中对应的位置为八个。

在S204中，对所述多个待检测的区域图像进行二值化处理，得到对应的多个待检测的二值化图像。

在本实施例中，二值化处理具体为：将待检测的区域图像中的各像素点的灰度值分别设置为0或255，即图像设置为只存在两种色值的图像。其中，二值化处理时判断的阈值可以是固定的，也可以根据纸币的种类不同而变化。

可选地，所述预设配置还包括二值化处理的比较阈值。由于不同类型的纸币，其整体颜色的深浅度存在差异，而根据纸币的类型调整二值化处理的比较阈值，可以避免某一阈值对于第一类型纸币处理后有识别较好效果而对于第二类型纸币则无法凸显检测区域的特征部分的情况，从而提高纸币识别的准确率。

在S205中，分别统计各个所述待检测的二值化图像中的白色像素点，并根据统计结果确定特征图像在所述纸币的投射图像中的位置。

在本实施例中，每一待检测的区域对应一个白色像素点数，所述白色像素点数为该待检测的区域二值化图像中白色像素点数值。该白色像素点数可以为一个整数值，即实际存在的白色像素点的个数；也可以是一个比例值，即白色像素点占整个检测区域像素的比例或者白色像素点与黑色像素点的比例值。

在本实施例中，若特征图像处于某一待检测的区域中时，该区域的白色像素点将具备相应的特点。将该特点作为判断特征图像是否存在于待检测的区域的依据。当某一二值化图像对应的二值化图像满足相应的特点时，纸币面向识别装置将判断该区域认定为特征图像所在的区域。

可选地，统计结果确定的特征图像在所述纸币的投射图像中的位置的方案为多个。当第一位置确定方案得出的结果非法，如特征图像不存在于任一待检测区域中，或对于单个的特征图像存在于两个或以上的待检测的区域中，此时可选用第二位置确定方案重新确认位置或进一步对多个符合条件的位置进行筛选。

在S206中，根据所述特征图像在所述纸币投射图像中的位置和所述识别策略中面向与位置之间的对应关系确定所述纸币的面向。

在本实施例中，当所述特征图像在所述纸币投射图像中的位置属于识别策略中的特征图像在所述纸币的投射图像中的位置的一种，则判定该位置对应的纸币面向为该检测纸币的面向。

本发明实施例通过将特征图像可能存在的位置进行二值化处理，分析并得出该特征图像所在的位置，通过特征图像与面向的位置关系确定纸币面向，实现纸币面向识别的功能。本发明实施例不依靠神经网络算法，主要基于二值化处理以及像素统计等简单算法的结合，因此运算量较少且耗时短，从而提高纸币面向识别的效率。

需要说明的是，本实施例中S201由于与图1所示实施例中的S101具体实现过程完全相同，因此在此实施例中不再赘述。

参见图3所示，相对于上一实施例，本实施例提供的一种纸币面向的识别方法进一步限定了根据统计结果确定特征图像在所述纸币的投射图像中的位置的实现方式，详述如下：

在S320中，比较各个所述待检测的二值化图像中白色像素点数，白色像素点数最多的待检测的二值化图像所对应的区域图像的所在位置即为所述特征图像在所述纸币的投射图像中的位置。

在本实施例中，待检测的二值化图像对应一个白色像素点数，通过冒泡排序算法等得出白色像素点数最多的区域。优选地，白色像素点数为白色像素点占待检测区域图像像素点的比值。

在本发明实施例中，通过待检测区域之间相互比较，有效地降低噪声对于纸币面向的识别的影响。由于当获取纸币投射图像时，由于投射光线不足、纸币过旧等因素，致使获取的图像存在较多噪点。而一般情况下噪点是随机分布的。对于存在多个检测区域的情况，每个检测区域也将随机分布数量相近的噪点数，而将彼此进行比较则有效抑制环境噪声的影响，从而提高纸币面向的准确率。

在S331中，将各个待检测的二值化图像中的白色像素点数分别与预设阈值相比较。

在本实施例中，预设阈值可以是一固定数值或数值区间范围。

在S332中，若所述待检测的二值化图像中的白色像素点数满足预设的比较条件预设的比较条件，则所述待检测的二值化图像所对应的区域图像的所在位置即为所述特征图像在所述纸币的投射图像中的位置。

在本实施例中，比较方式根据阈值的类型而定，当阈值为一固定数值时，比较的方式可以为判断白色像素点数是大于或者小于某一固定数值，当阈值为一数值范围时，比较的方式可以为判断白色像素点数是否落入该预设的比较条件预设的比较条件的数值区间范围内。

优选地，所述预设配置包含预设阈值。由于预设阈值是判断纸币面向的重要基准值，若对于所有纸币都实行统一的判断条件，则可能降低纸币面向识别的准确率。因此，将预设的比较条件预设的比较条件，根据不同纸币类型而进行变化，则将改善这一技术问题。

可选地，所述待检测的二值化图像中的白色像素点数依次与预设阈值进行比较，当出现满足条件的白色像素点数时，则停止比较，判定最先满足条件的白色像素点数对应的待检测的区域为特征图像所在位置。

本发明实施例，通过将二值化后的待检测的区域的白色像素点数与预设阈值进行比较，选出满足预设的比较条件预设的比较条件的白色像素点数对应的区域，从而确定特征图像所在的位置。通过简单的比较算法，实现了纸币的面向的识别，且当第一次比较则满足条件时，可直接判定该区域包含特征图像，提高了面向识别的效率。

需要说明的是，本实施例中S310由于与图2所示实施例中的S205具体实现过程完全相同，因此在此实施例中不再赘述。

举例性的，为了便于理解本发明实施例，以下给出面值为500万伊朗币面向识别的具体过程，参见图4所示，以下过程同样适用于面值为1000万伊朗币面向识别。该过程详述如下：

在S401中，获取面值为500万的伊朗币的红外光投射图像。

在S402中，根据所述伊朗币处于四种不同面向时冠字号在所述纸币的投射图像中的位置从所述纸币的投射图像中提取出四个待检测的区域图像。

在本实施例中，500万面值的伊朗币经过红外光投射后，纸币正反两面图像重合形成一个半透明的投射图，因此只具有单个投射图像。所述冠字号在四种不同面向时位于纸币四个角，参见图5所示。因此选取的待检测的区域为纸币投射图像相应的四个区域。其中，冠字号所在位置与纸币面向的对应关系如下：当冠字号位于纸币投射图像的左上角，则纸币处于正面正方向；当冠字号位于纸币投射图像的右下角，则纸币处于正面反方向；当冠字号位于纸币投射图像的右上角，则纸币处于反面正方向；当冠字号位于纸币投射图像的左下角，则纸币处于反面反方向。

在S403中，对所述四个待检测的区域图像进行二值化处理，得到对应的四个待检测的二值化图像。

在S404中，分别统计各个所述待检测的二值化图像中的白色像素点，并根据统计结果确定冠字号在所述纸币的投射图像中的位置。

在S407中，根据所述冠字号在所述纸币投射图像中的位置和所述识别策略中面向与位置之间的对应关系确定所述纸币的面向。

在本实施例S404中，根据统计结果确定特征图像在所述纸币的投射图像中的位置有以下两种方法，详述如下：

在S405中，比较各个所述待检测的二值化图像中白色像素点数，白色像素点数最多的待检测的二值化图像所对应的区域图像的所在位置即为所述冠字号在所述纸币的投射图像中的位置。

在本实施例中，以500万伊朗币正面正方向投射图作为示例四个待检测区域的投射图及二值化处理图，参见图6所示，经过二值化处理后，有且只有冠字号所在的待检测区域存在较多的白色像素点，其余待检测区域因为有噪音的干扰，会均匀散布少量的白色像素点，因此，选取具有最多的白色像素点所对应的待检测区域为冠字号所在位置。

在S406中，将各个待检测的二值化图像中的白色像素点数分别与预设阈值600相比较；若所述待检测的二值化图像中的白色像素点数大于预设阈值600，则所述待检测的二值化图像所对应的区域图像的所在位置即为所述冠字号在所述纸币的投射图像中的位置。

在本实施例中，如S405步骤分析所述，只有冠字号所在的待检测区域存在较多的白色像素点，当所述待检测区域对应的白色像素点数大于阈值600时，则判定该待检测区域为冠字号所在区域，其中阈值600是经过多次实验分析得出的优选预设阈值。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

图7示出了本发明实施例提供的纸币面向识别装置的结构框图，该纸币面向识别装置用于执行图1所示实施例提供的方法。为了便于说明，仅示出了与本实施例相关的部分。

参见图7，该纸币面向识别装置包括：

投射图像获取单元701，用于获取纸币的投射图像；

识别策略选择单元702，用于识别所述纸币的种类，获取预设配置中与所述纸币种类相对应的识别策略；

面向识别单元703，用于根据所述纸币的投射图像和所述识别策略识别所述纸币的面向。

具体地，所述识别策略包括纸币处于四种不同面向时特征图像在所述纸币的投射图像中的位置以及面向与位置之间的对应关系。

可选地，参见图8所示，在另一实施例中，该实施例中的纸币面向识别装置用于运行图2所示实施例提供的方法，所述纸币面向识别装置还包括：

检测区域提取单元803，用于根据所述识别策略中纸币处于四种不同面向时特征图像在所述纸币的投射图像中的位置从所述纸币的投射图像中提取出多个待检测的区域图像；

二值化处理单元804，用于对所述多个待检测的区域图像进行二值化处理，得到对应的多个待测的二值化图像；

白色像素点统计单元805，用于分别统计各个所述待检测的二值化图像中的白色像素点，并根据统计结果确定特征图像在所述纸币的投射图像中的位置；

面向确定单元806，用于根据所述特征图像在所述纸币投射图像中的位置和所述识别策略中面向与位置之间的对应关系确定所述纸币的面向。

需要说明的是，图8所示实施例中801与802由于与图7所示实施例中的701与702具体功能完全相同，因此在此实施例中不再赘述。

可选地，参见图9所示，在本实施例中，该实施例中的白色像素点统计单元用于运行图3所示实施例提供的方法，所述白色像素点统计单元910具体包括：

可选地，白色像素点统计单元910具体包括：

数值比较单元920，用于比较各个所述待检测的二值化图像中白色像素点的个数，白色像素点数最多的待检测的二值化图像所对应的区域图像的所在位置即为所述特征图像在所述纸币的投射图像中的位置

可选地，白色像素点统计单元910具体包括：

阈值比较单元931，用于将各个待检测的二值化图像中的白色像素点数分别与预设阈值相比较；

比较判定单元932，用于若所述待检测的二值化图像中的白色像素点数满足预设的比较条件预设的比较条件，则所述待检测的二值化图像所对应的区域图像的所在位置即为所述特征图像在所述纸币的投射图像中的位置。

因此，本发明实施例提供的纸币面向识别装置同样通过识别策略对纸币的面向进行自动识别。与现有技术相比，本发明实施例不依靠神经网络算法，主要基于对于不同纸币，采取不同的识别策略来进行面向识别，因此运算量较少且耗时短，从而提高纸币面向识别的效率，并且装置并不是长期处于进行庞大运算的工作状态中，因此将提高装置的耐用性。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种纸币面向的识别方法，其特征在于，所述纸币面向的识别方法包括：

获取纸币的投射图像；

识别所述纸币的种类，获取预设配置中与所述纸币种类相对应的识别策略；

根据所述纸币的投射图像和所述识别策略识别所述纸币的面向。

2.如权利要求1所述的纸币面向的识别方法，其特征在于，所述识别策略包括纸币处于四种不同面向时特征图像在所述纸币的投射图像中的位置以及面向与位置之间的对应关系。

3.如权利要求2所述的纸币面向的识别方法，其特征在于，所述根据所述纸币的投射图像和所述识别策略识别所述纸币的面向具体包括：

根据所述识别策略中纸币处于四种不同面向时特征图像在所述纸币的投射图像中的位置从所述纸币的投射图像中提取出多个待检测的区域图像；

对所述多个待检测的区域图像进行二值化处理，得到对应的多个待检测的二值化图像；

分别统计各个所述待检测的二值化图像中的白色像素点，并根据统计结果确定特征图像在所述纸币的投射图像中的位置；

根据所述特征图像在所述纸币投射图像中的位置和所述识别策略中面向与位置之间的对应关系确定所述纸币的面向。

4.如权利要求3所述的纸币面向的识别方法，其特征在于，所述根据统计结果确定特征图像在所述纸币的投射图像中的位置具体包括：

比较各个所述待检测的二值化图像中白色像素点数，白色像素点数最多的待检测的二值化图像所对应的区域图像的所在位置即为所述特征图像在所述纸币的投射图像中的位置。

5.如权利要求3所述的纸币面向的识别方法，其特征在于，所述根据统计结果确定特征图像在所述纸币的投射图像中的位置具体包括：

将各个待检测的二值化图像中的白色像素点数分别与预设阈值相比较；

若所述待检测的二值化图像中的白色像素点数满足预设的比较条件预设的比较条件，则所述待检测的二值化图像所对应的区域图像的所在位置即为所述特征图像在所述纸币的投射图像中的位置。

6.一种纸币面向的识别装置，其特征在于，所述纸币面向的识别装置包括：

投射图像获取单元，用于获取纸币的投射图像；

识别策略选择单元，用于识别所述纸币的种类，获取预设配置中与所述纸币种类相对应的识别策略；

面向识别单元，用于根据所述纸币的投射图像和所述识别策略识别所述纸币的面向。

7.如权利要求6所述的纸币面向的识别装置，其特征在于，所述识别策略包括纸币处于四种不同面向时特征图像在所述纸币的投射图像中的位置以及面向与位置之间的对应关系。

8.如权利要求6所述的纸币面向的识别装置，其特征在于，所述面向识别单元具体包括：

检测区域提取单元，用于根据所述识别策略中纸币处于四种不同面向时特征图像在所述纸币的投射图像中的位置从所述纸币的投射图像中提取出多个待检测的区域图像；

二值化处理单元，用于对所述多个待检测的区域图像进行二值化处理，得到对应的多个待检测的二值化图像；

白色像素点统计单元，用于分别统计各个所述待检测的二值化图像中的白色像素点，并根据统计结果确定特征图像在所述纸币的投射图像中的位置；

面向确定单元，用于根据所述特征图像在所述纸币投射图像中的位置和所述识别策略中面向与位置之间的对应关系确定所述纸币的面向。

9.如权利要求8所述的纸币面向的识别装置，其特征在于，所述白色像素点统计单元具体包括：

数值比较单元，用于比较各个所述待检测的二值化图像中白色像素点数，白色像素点数最多的待检测的二值化图像所对应的区域图像的所在位置即为所述特征图像在所述纸币的投射图像中的位置。

10.如权利要求8所述的纸币面向的识别装置，其特征在于，所述白色像素点统计单元具体包括：

阈值比较单元，用于将各个待检测的二值化图像中的白色像素点数分别与预设阈值相比较；

比较判定单元，用于若所述待检测的二值化图像中的白色像素点数满足预设的比较条件预设的比较条件，则所述待检测的二值化图像所对应的区域图像的所在位置即为所述特征图像在所述纸币的投射图像中的位置。